工具调用率取决于模型与接口栈，而非模型本身。
资讯摘要
论文指出，智能体评测中的工具调用率可能因服务接口而失真：在BFCL v4数据上，仅更换服务适配器、固定权重与解码设置，同一模型得分可在0.00与0.96/0.19之间变化。作者用2x2实验定位到聊天模板与解析器的交互效应，并在tau-bench的115个零售任务中观察到服务端解析调用从0增至636。作者发布98行预检脚本以捕获此类静默失败。
要点速读
- BFCL v4上仅更换服务适配器，同一模型得分在0.00与0.96/0.19之间变化，主效应为零、效应全在交互项。
- tau-bench的115个交互零售任务中，同一替换使服务端解析调用从0增至636，进入工具执行的任务从0增至103。
- 作者发布98行预检脚本，称可捕获上述静默失败；评测时修复适配器使解析0→84、通过率53→62但不显著。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。